KR20240032623A - 사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템 - Google Patents

사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20240032623A
KR20240032623A KR1020230085796A KR20230085796A KR20240032623A KR 20240032623 A KR20240032623 A KR 20240032623A KR 1020230085796 A KR1020230085796 A KR 1020230085796A KR 20230085796 A KR20230085796 A KR 20230085796A KR 20240032623 A KR20240032623 A KR 20240032623A
Authority
KR
South Korea
Prior art keywords
neural network
antenna
tuner
model
input
Prior art date
Application number
KR1020230085796A
Other languages
English (en)
Inventor
파나요티스 스크림포니스
프라나브 다얄
김완종
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20240032623A publication Critical patent/KR20240032623A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
    • H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/7136—Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/11—Monitoring; Testing of transmitters for calibration
    • H04B17/12—Monitoring; Testing of transmitters for calibration of transmit antennas, e.g. of the amplitude or phase
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/02—Transmitters
    • H04B1/04—Circuits
    • H04B1/0458—Arrangements for matching and coupling between power amplifier and antenna or between amplifying stages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/101—Monitoring; Testing of transmitters for measurement of specific parameters of the transmitter or components thereof
    • H04B17/103—Reflected power, e.g. return loss
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
    • H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
    • H04B2001/1072—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal by tuning the receiver frequency
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/7136—Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform
    • H04B2001/71365—Arrangements for generation of hop frequencies, e.g. using a bank of frequency sources, using continuous tuning or using a transform using continuous tuning of a single frequency source

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Circuits Of Receivers In General (AREA)
  • Input Circuits Of Receivers And Coupling Of Receivers And Audio Equipment (AREA)
  • Transmitters (AREA)

Abstract

사용자 장치(UE) 구성을 상기 사용자 장치에서의 물리적 요인에 기초하여 조정하는 방법, 사용자 장치, 및 시스템이 개시된다. 방법은 UE의 신경망 회로에 의해, UE와의 물리적 상호 작용과 관련된 하나 이상의 입력을 수신하는 단계로, 하나 이상의 입력은, UE의 반사 계수와 연관된 제1 입력 값, UE와 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값, 및 UE와 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력을 포함하는 단계, 신경망 회로에 의해, 물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 UE의 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하는 단계, 및 하나 이상의 출력 값에 기초하여 UE의 임피던스 튜너 회로 및 애퍼츄어 튜너 회로 중 적어도 하나를 조정하는 단계를 포함한다.

Description

사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템{METHOD AND SYSTEM FOR ADJUSTING USER EQUIPMENT CONFIGURATION BASED ON PHYSICAL FACTORS AT THE USER EQUIPMENT}
본 개시는 일반적으로 무선 통신에 관한 것이다. 보다 구체적으로, 본 명세서에 개시된 주제는 사용자 장치와의 물리적 상호작용을 검출하고 이에 응답하는 개선에 관한 것이다.
본 출원은 2022년 9월 2일에 출원된 미국 가출원 번호 63/403,605의 우선권을 주장하며, 그 개시 내용은 본 명세서에서 완전히 설명된 것처럼 전체가 참조로 포함된다.
현대 통신 장치(예를 들어, 사용자 장치(UE))는 UE와의 물리적 상호작용에 대한 결정을 내리도록 구성될 수 있다. 예를 들어, UE는 인체가 UE 근처에 있다고 판단하고 안전한 작동을 위한 특정 흡수율(SAR) 요구 사항을 충족하기 위해 UE의 전송 전력을 줄일 수 있다. 추가적으로, UE의 사용자는 인체 효과(또는 인체 그림자)라고 하는 것을 통해 UE를 취급할 때 UE의 안테나 부하를 변경할 수 있다. 예를 들어, UE와의 물리적인 상호 작용으로 인한 변경된 안테나 부하로 인해 UE의 성능이 저하될 수 있다. 따라서, UE는 UE와의 상이한 물리적 상호작용을 검출하고(예를 들어, 이에 대한 분류를 결정하고) 주어진 상황에서 적절하게 검출된 상호작용에 응답하도록 구성될 수 있다. 예를 들어, UE는 안테나 부하가 변경되었음을 결정할 수 있고 안테나 임피던스를 튜닝하거나 안테나 주파수를 튜닝함으로써 응답할 수 있다. 주파수 튜닝은 본 명세서에서 애퍼츄어 튜닝(aperture tuning)으로 지칭된다. UE는 증가된 전송 전력을 제공하기 위해 안테나 임피던스 또는 애퍼츄어를 튜닝할 수 있다. UE는 UE와의 물리적 상호작용이 전송 전력을 증가시켜도 인간을 건강 위험에 빠뜨리지 않는 사용 사례에 대응한다고 결정할 수 있다.
UE와의 물리적 상호작용을 검출하는 문제를 해결하기 위해, 그립 센서는 인체 효과를 감지하기 위해 UE 영역 전체에 배치될 수 있다. 예를 들어, 그립 센서는 UE의 온도를 감지할 수 있다. 이 접근법의 한 가지 문제는 그립 센서가 UE 전체에 배치되지 않을 수 있기 때문에 그립 센서의 유용성과 정확성이 제한될 수 있다는 것이다.
임피던스나 애퍼츄어 튜닝에 의한 인체 영향으로 인한 성능 저하에 대한 대응 문제를 해결하기 위해, 일부 접근 방식은 룩업 테이블(LUT) 방식에 의존하고 있다. 이 접근 방식의 한 가지 문제는 LUT와 관련된 데이터를 저장하기 위해 많은 메모리를 소비한다는 것이다. 예를 들어, LUT는 대응하는 임피던스 튜너 코드 또는 대응하는 애퍼츄어 튜너 코드와 함께 임피던스 정보 또는 주파수 정보를 저장할 수 있다.
일부 접근법은 UE의 기생 모델에 의존한다. 예를 들어, UE 시스템은 UE의 기생 모델을 생성하기 위해 수학적으로 모델링될 수 있고 임피던스 변화는 기생 모델에 기초하여 검출 및 조정될 수 있다.
이 접근법의 한 가지 문제는 기생 모델을 기반으로 임피던스 변화를 감지하기 위한 감지기가 특정 사용 사례(예를 들어, 오른손 그립, 왼손 그립, 책상 위에 놓기 등)를 구분하지 못할 수 있기 때문에 기생 모델링 접근법의 유용성과 정확성이 제한될 수 있다는 것이다. 이 접근법의 또 다른 문제는 토폴로지 고유의 복잡한 수학적 모델 개발이 포함될 수 있다는 것이다. 따라서 기생 모델링 접근법은 다른 UE를 모델링하는 데 덜 유연할 수 있으며 추가 연구 및 개발 비용이 필요할 수 있다.
이러한 문제를 극복하기 위해, 기계 학습 및 전송 안테나로부터의 피드백 신호를 사용하여: (i) UE와의 사용자 상호작용을 검출하고 (ii) UE와의 사용자 상호 작용에 기초하여 UE의 성능을 개선하기 위해 임피던스 튜닝 또는 애퍼츄어 튜닝을 제공하기 위한 시스템 및 방법이 개시된다.
본 개시의 일부 실시예는 UE와의 사용자 상호작용의 개선된 식별을 가능하게 하는 입력 값을 갖는 신경망 분류기를 제공한다.
본 개시의 일부 실시예는 타겟 튜너 코드를 결정하기 위한 기생 모델에 대한 대안으로서 사용될 수 있는 신경망 모델을 제공한다.
본 개시의 일부 실시예는 타겟 튜너 코드를 결정하기 위해 기생 모델 내의 튜너 모델을 모델링하기 위한 블랙 박스로서 사용될 수 있는 신경망 모델을 제공한다.
본 개시의 일부 실시예는 상이한 튜너 코드에 대한 일반화된 물리적 상호작용 검출 모델을 위한 신경망 모델 및 대응하는 캐스케이드 시스템을 제공한다.
위의 접근법은 UE가 UE와의 사용자 상호 작용을 보다 정확하게 분류할 수 있게 하고 다른 UE 토폴로지에 대한 개선된 튜너 조정을 찾는 데 더 많은 유연성을 허용할 수 있기 때문에 이전 방법보다 개선된다.
본 개시의 일부 실시 예에 따르면, UE 구성을 상기 UE에서의 물리적 요인에 기초하여 조정하는 방법에 있어서, 상기 방법은: 상기 UE의 신경망 회로에 의해, 상기 UE와의 물리적 상호 작용과 관련된 하나 이상의 입력을 수신하는 단계 - 상기 하나 이상의 입력은: 상기 UE의 반사 계수와 연관된 제1 입력 값; 상기 UE와 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값; 및 상기 UE와 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값을 포함함 - ; 상기 신경망 회로에 의해, 상기 물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 상기 UE의 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하는 단계; 및 상기 하나 이상의 출력 값에 기초하여 상기 UE의 임피던스 튜너 회로 및 애퍼츄어 튜너 회로 중 적어도 하나를 조정하는 단계를 포함한다.
상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함할 수 있다.
상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함할 수 있다.
상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성될 수 있다.
상기 회귀 신경망은 상기 UE의 상기 튜너 모델만을 위한 모델로 역할하도록 구성될 수 있다.
상기 하나 이상의 출력값을 출력하는 단계는 전압 정재파 비(VSWR)에 기초하는 튜너 코드를 출력하는 단계를 포함할 수 있다.
상기 하나 이상의 출력 값을 출력하는 단계는 상대적 변환 이득(RTG)에 기초하는 튜너 코드를 출력하는 단계를 포함할 수 있다.
상기 하나 이상의 출력 값을 출력하는 단계는 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 단계를 포함할 수 있다.
본 개시의 다른 실시 예에 따르면, UE의 구성을 상기 UE에서의 물리적 요인에 기초하여 조정하기 위한 UE는: 안테나 임피던스 및 안테나 애퍼츄어를 갖는 안테나; 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하도록 구성된 튜너 회로; 및 상기 UE와의 물리적 상호작용과 관련된 하나 이상의 입력을 수신하고 - 상기 하나 이상의 입력은: 안테나 임피던스와 관련된 제1 입력 값; 상기 안테나로 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값; 및 안테나로 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값 중 적어도 하나를 포함함 - ; 상호작용의 사용 사례를 검출하는 것과 관련되거나 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하고; 상기 하나 이상의 출력 값을 상기 튜너 회로로 전송하도록 구성되는 신경망 회로를 포함한다.
상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함할 수 있다.
상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함할 수 있다.
상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성될 수 있다.
상기 회귀 신경망은 상기 UE의 상기 튜너 모델만을 위한 모델로 역할하도록 구성될 수 있다.
상기 하나 이상의 출력값을 출력하는 단계는 전압 정재파 비(VSWR)에 기초하거나 상대 변환기 이득(RTG)에 기초하여 튜너 코드를 출력하는 단계를 포함할 수 있다.
상기 신경망 회로는 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 것에 기초하여 상기 하나 이상의 출력 값을 출력하도록 구성될 수 있다.
본 개시의 다른 실시 예에 따르면, 사용자 장치(UE) 구성을 상기 UE에서의 물리적 요인에 기초하여 조정하기 위한 시스템은: 네트워크 노드와 통신 가능하게 연결되도록 구성된 상기 UE를 포함하고, 상기 UE는 안네타, 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하도록 구성된 튜너 회로, 및 신경망 회로를 포함하고, 상기 신경망 회로는: 상기 UE와의 물리적 상호작용과 관련된 하나 이상의 입력을 수신하고 - 상기 하나 이상의 입력은: 상기 안테나 임피던스와 관련된 제1 입력 값; 상기 안테나로 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값; 및 상기 안테나로 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값 중 적어도 하나를 포함함 - ; 물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하고; 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하도록 상기 하나 이상의 출력 값을 상기 튜너 회로로 전송하도록 구성되고, 상기 UE는 조정된 안테나 임피던스 및 조정된 안테나 애퍼츄어 중 적어도 하나에 기초하여, 상기 안테나를 통해 사익 네트워크 노드에 신호를 전송하도록 구성된다.
상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함할 수 있다.
상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함할 수 있다.
상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성될 수있다.
상기 신경망 회로는 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 것에 기초하여 상기 하나 이상의 출력 값을 출력하도록 구성될 수 있다.
다음 섹션에서, 본 명세서에 개시된 주제의 측면은 도면에 예시된 예시적인 실시 예를 참조하여 설명될 것이다:
도 1a는 본 개시의 일부 실시예에 따른, 서로 통신하는 사용자 장치(UE) 및 네트워크 노드를 포함하는 시스템을 도시하는 블록도이다;
도 1b는 본 개시의 일부 실시예에 따른, UE의 컴포넌트를 도시하는 블록도이다;
도 2는 본 개시의 일부 실시예에 따른, UE와의 물리적 상호 작용을 분류하기 위한 신경망 훈련을 위한 사용 사례 데이터를 수집하기 위한 시스템을 나타내는 블록도이다;
도 3은 본 개시의 일부 실시예에 따른, UE와의 물리적 상호 작용을 분류하기 위한 신경망을 도시한 도면이다;
도 4a는 본 개시의 일부 실시예에 따른, 신경망 테스트를 위한 그래픽 사용자 인터페이스(GUI)를 나타내는 도면이다;
도 4b는 본 개시의 일부 실시예에 따른, 주파수 대역에 대응하는 예시적인 분류 영역을 나타내는 도면이다;
도 5a는 본 개시의 일부 실시예에 따른, 반사 계수 결정을 위한 전달 함수 모델의 구조를 나타낸 도면이다;
도 5b는 본 개시의 일부 실시예에 따른, 타겟 튜너 코드를 결정하기 위한 독립형 회귀 모델의 역할을 하는 신경망을 도시한 도면이다;
도 5c는 본 개시의 일부 실시예에 따른, 튜너 모델을 추정하기 위한 회귀 모델 역할을 하는 신경망과 타겟 튜너 코드를 결정하기 위한 전달 함수 모델 내 참조 ABC 매개변수를 나타내는 도면이다;
도 6은 본 개시의 일부 실시예에 따른, 튜너 코드 추정을 위한 신경망 모델을 도시한 도면이다;
도 7은 본 개시의 일부 실시예에 따른, 상이한 튜너 코드에 대한 일반화된 물리적 상호작용 검출 모델을 위한 캐스케이드 시스템을 나타내는 도면이다;
도 8은 본 개시의 다양한 실시예에 따른, 네트워크 환경의 전자 장치의 블록도이다; 및
도 9는 본 개시의 일부 실시예에 따른, UE의 물리적 요인에 기초하여 UE 구성을 조정하는 방법의 예시적인 동작을 도시하는 흐름도이다;
이하 상세한 설명에서, 본 개시의 완전한 이해를 제공하기 위해 다수의 특정 세부 사항이 설명된다. 그러나, 당업자라면 개시된 측면은 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 이해될 것이다. 다른 예에서, 잘 알려진 방법, 절차, 구성 요소 및 회로는 본 명세서에 개시된 본 개시을 모호하게 하지 않기 위해 상세하게 설명되지 않았다.
본 명세서 전반에 걸쳐 "일 실시 예" 또는 "실시 예"에 대한 언급은 실시 예와 관련하여 설명된 특정 특징, 구조 또는 특성이 본 명세서에 개시된 적어도 하나의 실시 예에 포함될 수 있음을 의미한다. 따라서, 본 명세서 전반에 걸쳐 다양한 곳에서 "일 실시 예에서" 또는 "실시 예에서" 또는 "일 실시 예에 따른" (또는 유사한 의미를 갖는 다른 어구)의 언급은 반드시 모두 동일한 실시 예를 지칭하는 것은 아닐 수 있다. 또한, 특정 특징, 구조 또는 특성은 하나 이상의 실시 예에서 임의의 적절한 방식으로 결합될 수 있다. 이와 관련하여, 본 명세서에서 사용된 바와 같이, "예시적인"이라는 단어는 "예시, 실례 또는 예시로서의 역할을 한다"를 의미한다. 본 명세서에서 "예시적인" 것으로 설명된 임의의 실시 예는 다른 실시 예에 비해 반드시 바람직하거나 유리한 것으로 해석되어서는 안된다. 추가로, 특정 특징, 구조 또는 특성은 하나 이상의 실시 예에서 임의의 적절한 방식으로 결합될 수 있다. 또한, 본 명세서에서 논의한 내용에 따라, 단수형 용어는 대응하는 복수형을 포함할 수 있고 복수형 용어는 대응하는 단수형을 포함할 수 있다. 유사하게, 하이픈으로 연결된 용어(예를 들어, "2-차원", "미리-결정된", "픽셀-특정" 등)는 때때로 해당하는 하이픈 없는 버전(예를 들어 "2차원", "미리 결정된", "픽셀 특정" 등)과 상호 교환적으로 사용될 수 있으며, 대문자 항목(예를 들어, "Counter Clock", "Row Select", "PIXOUT" 등)은 해당하는 비 대문자 버전(예를 들어, "counter clock", "row select", "pixout" 등)과 상호 교환적으로 사용될 수 있다. 이러한 상호 교환하여 사용하는 것을 서로 불일치하다고 간주해서 안된다.
또한, 본 명세서에서 논의되는 맥락에 따라, 단수형의 용어는 대응하는 복수 형을 포함할 수 있고, 복수형의 용어는 대응하는 단수형을 포함할 수 있다. 본 명세서에 도시되고 논의된 다양한 도면(구성 요소도 포함함)은 단지 예시를 위한 것으로, 비율대로 그련지는 것은 아니라는 것에 유의한다. 예를 들어, 일부 요소의 치수는 명확하게 하기 위해 다른 요소에 비해 과장될 수 있다. 또한, 적절하다고 간주되는 경우, 도면간에 참조 번호가 반복되어 대응 및/또는 유사한 요소를 표시한다.
본 명세서에서 사용된 용어는 일부 예시적인 실시 예를 설명하기 위한 것이며 청구된 본 개시의 요지를 제한하려는 것은 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥 상 명백하게 달리 나타내지 않는 한 복수 형태도 포함하는 것이다. 본 명세서에서 사용될 때 "포함하다" 및/또는 "포함하는" 이라는 용어는 언급된 특징, 정수, 단계, 연산, 요소 및/또는 구성 요소의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 연산, 요소, 구성 요소 및/또는 그 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.
하나의 요소 또는 층이 다른 요소 또는 층에 "연결되거나" "결합되는" 것으로 언급될 때, 다른 요소 또는 층에 대해 바로 위에 있거나, 연결되거나 결합될 수 있거나, 중간 요소 또는 층이 존재할 수도 있다. 대조적으로, 하나의 요소가 다른 요소 또는 층의 "바로 위에 있거나", "직접 연결되거나", "직접 결합되는" 것으로 언급될 때, 중간 요소 또는 층이 존재하지 않는다. 동일한 숫자는 전체에 걸쳐 동일한 요소를 나타낸다. 본 명세서에서 사용되는 용어 "및/또는"은 하나 이상의 연관된 열거된 항목의 임의의 및 모든 조합을 포함한다.
본 명세서에서 사용되는 용어 "제1", "제2" 등은 선행하는 명사의 라벨로 사용되며, 명시적으로 정의하지 않는 한, 어떤 유형의 순서(예를 들어, 공간적, 시간적, 논리적 등)도 암시하지 않는다. 또한, 동일하거나 유사한 기능을 갖는 부품, 구성 요소, 블록, 회로, 유닛 또는 모듈을 지칭하기 위해 동일한 참조 번호가 둘 이상의 도면에 걸쳐 사용될 수 있다. 그러나 이러한 사용법은 설명의 단순성과 논의의 용이성을 위한 것이고; 그러한 구성 요소 또는 유닛의 구조 또는 구조적 세부 사항이 모든 실시 예에 걸쳐 동일하거나 일반적으로 참조되는 부품/모듈이 본 명세서에 개시된 예시적인 실시 예의 일부를 구현하는 유일한 방법이라는 것을 의미하지는 않는다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함하여 본 명세서에서 사용되는 모든 용어는 이 주제가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의된 것과 같은 용어는 관련 기술의 맥락에서 그 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며 본 명세서에서 명확하게 정의되지 않는 한 이상화되거나 지나치게 형식적인 의미로 해석되지 않는다는 것이 이해될 것이다.
본 명세서에서 사용되는 용어 "모듈"은 모듈과 관련하여 본 명세서에 설명된 기능을 제공하도록 구성된 소프트웨어, 펌웨어 및/또는 하드웨어의 임의의 조합을 지칭한다. 예를 들어, 소프트웨어는 소프트웨어 패키지, 코드 및/또는 명령어 세트 또는 명령어로 구현될 수 있으며, 본 명세서에 설명된 임의의 구현에서 사용되는 용어 "하드웨어"는 예를 들어, 단일 또는 임의의 조합으로, 어셈블리, 하드 와이어드 회로, 프로그래밍 가능 회로, 상태 기계 회로 및/또는 프로그래밍 가능 회로에 의해 실행되는 명령어를 저장하는 펌웨어를 포함할 수 있다. 모듈은 세트적으로 또는 개별적으로, 예를 들어, 집적 회로(IC), 시스템 온칩(SoC), 어셈블리 등과 같은 더 큰 시스템의 일부를 형성하는 회로로 구현될 수 있다.
본 명세서에서 사용되는 "상관 계수"는 주파수 또는 주파수 대역과 같은 두 개의 서로 다른 변수 사이의 선형 관계의 강도를 나타내는 데 사용되는 -1과 +1 사이의 숫자를 말한다.
본 명세서에서 사용되는 "신경망 회로"는 하나 이상의 입력 값에 기초하여 출력을 추론하기 위해 기계 학습을 활용하기 위해 제공되는 하나 이상의 신경망을 포함하는 회로를 지칭한다. "신경망 회로"의 일부 예는 회귀 신경망, 분류 신경망 등을 포함하는, 회로를 포함한다.
본 명세서에서 사용되는 "회귀 신경망"은 신경망 입력에 기초하여 출력 값을 예측하도록 훈련된 신경망을 지칭한다.
본 명세서에서 사용되는 "상대적 변환 이득(RTG; Relative Transducer Gain)"은 소스로부터 이용 가능한 입력 전력에 대한 부하에 이용 가능한 전력을 말한다.
본 명세서에서 사용되는 "전달 함수"는 각각의 가능한 입력에 대한 시스템의 출력을 모델링하는 수학적 함수를 말한다.
본 명세서에서 사용되는 "튜너 코드"는 안테나와 관련된 임피던스 또는 주파수를 조정하는 방법에 대해 튜너 회로에 지시하는 튜너 회로에 대한 입력 값을 말한다.
본 명세서에서 사용되는 "사용자 장치"는 무선 통신을 위해 구성된 전자 장치를 지칭한다. "사용자 장치"의 몇 가지 예는 휴대폰, 스마트폰, 노트북 컴퓨터, 태블릿 등이다.
본 명세서에서 사용된 "전압 정재파 비(VSWR)"는 무선 주파수(RF) 전송 회로에서 전송된 전압 정재파와 반사된 전압 정재파 사이의 비율을 의미한다.
도 1a는 서로 통신하는 사용자 장치(UE)(105) 및 네트워크 노드(110)를 포함하는 시스템을 도시하는 블록도이다.
도 1a을 참조하면, UE(105)는 본 명세서에 개시된 다양한 방법을 수행할 수 있는 라디오(115) 및 처리 회로(120)(또는 처리 수단)를 포함할 수 있다. 예를 들어, 처리 회로(120)는 라디오(115)를 통해 네트워크 노드(110)로부터의 전송을 수신할 수 있고, 처리 회로(120)는 라디오(115)를 통해 신호를 네트워크 노드(110)로 전송할 수 있다.
UE(105)는 도 8의 전자 장치(801)를 포함할 수 있다. 본 개시의 일부 실시예에서, 네트워크 노드(110)는 도 8의 제1 네트워크(898)에 포함될 수 있다. 본 개시의 일부 실시예에서, 네트워크 노드(110)는 도 8의 제2 네트워크(899)에 포함될 수 있다. 라디오(115)는 도 8의 무선 통신 모듈(892)을 포함할 수 있다. 라디오(115)는 도 8의 안테나 모듈(897)을 포함할 수 있다. 처리 회로(120)는 도 8의 프로세서(820)를 포함할 수 있다.
도 1b는 본 개시의 일부 실시예에 따른 UE(105)의 컴포넌트를 도시하는 블록도이다.
도 1b을 참조하면, UE(105)는 신경망 회로(130) 및 튜너 회로(132)를 포함할 수 있다. 튜너 회로(132)는 안테나 임피던스 조정을 행하기 위한 임피던스 튜너 회로(134)를 포함할 수 있다. 튜너 회로(132)는 안테나 애퍼츄어를 조정함으로써 주파수를 조정하기 위한 에퍼츄어 튜너 회로(136)를 포함할 수 있다. 안테나 임피던스 조정을 위해 본 명세서에 기술된 방법은 애퍼츄어 튜닝에 유사하게 적용될 수 있으며 그 역도 가능하다는 것을 이해해야 한다. 본 개시의 일부 실시예에서, 신경망 회로(130)는 물리적 상호작용 사용 사례를 검출하는 것과 관련된 출력 값을 생성하기 위한 하나 이상의 신경망을 포함할 수 있다. 본 개시의 일부 실시예에서, 신경망 회로(130)는 UE(105)의 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 출력 값을 생성하기 위한 하나 이상의 신경망을 포함할 수 있다. UE(105)는 UE(105)와 신호를 송수신하기 위한 안테나(140)를 포함할 수 있다. UE(105)는 피드백 수신기(138)를 포함할 수 있다. 피드백 수신기(138)는 UE(105)에 의해 송신되거나 수신되는 신호와 연관된 반사 계수를 결정하는 데 사용될 수 있다. 반사 계수는 안테나 임피던스와 연관된다는 것을 이해해야 한다. 예를 들어, 반사 계수는 안테나 임피던스를 기준으로 무선 파형이 반사되는 정도를 나타낸다.
본 개시의 일부 실시예에서, 신경망 회로(130)는 도 8의 프로세서(820) 및 메모리(830)에 대응하는 소프트웨어 구성요소 및 하드웨어 구성요소의 조합을 포함할 수 있다. 본 개시의 일부 실시 예에서, 튜너 회로(132)는 도 8의 통신 모듈(890)에 포함될 수 있다. 본 개시의 일부 실시 예에서 튜너 회로(132)는 도 8의 안테나 모듈(897)에 포함될 수 있다. 본 개시의 일부 실시 예에서 임피던스 튜너 회로(134)는 도 8의 통신 모듈(890)에 포함될 수 있다. 본 개시의 일부 실시 예에서 임피던스 튜너 회로(134)는 도 8의 안테나 모듈(897)에 포함될 수 있다. 본 개시의 일부 실시예에서, 애퍼츄어 튜너 회로(136)는 도 8의 통신 모듈(890)에 포함될 수 있다. 본 개시의 일부 실시 예에서 애퍼츄어 튜너 회로(136)은 도 8의 안테나 모듈(897)에 포함될 수 있다. 안테나(140)는 도 8의 안테나 모듈(897)에 포함될 수 있다. 본 개시의 일부 실시 예에서 피드백 수신부(138)는 도 8의 통신 모듈(890)에 포함될 수 있다. 본 개시의 일부 실시예에서, 피드백 수신부(138)는 도 8의 안테나 모듈(897)에 포함될 수 있다.
도 2는 본 개시의 일부 실시예에 따른, UE(105)와의 물리적 상호 작용을 분류하기 위한 신경망을 훈련하기 위해 사용 사례 데이터를 수집하는 시스템을 나타내는 블록도이다.
도 2를 참조하면, UE(105)와의 물리적 상호작용(205)은 안테나(140)로부터 다시 피드백 수신기(138)를 향해 안테나(140)와 연관된 전력을 편향시킬 수 있다. 예를 들어, UE(105)와의 물리적 상호작용(205)은 임피던스 튜너 회로(134) 및 애퍼츄어 튜너 회로(136)에 대응하는 경로, 무선 주파수 인쇄 회로 기판(RF PCB) 섹션(142), 및 피드백 수신기(138)에 의해 검출될 양방향 커플러(144)를 따라 전력을 다시 편향시킬 수 있다. 따라서, 피드백 수신기(138)는 UE(105)와의 물리적 상호작용(205)에 대응하는 임피던스 및 주파수 변화를 검출하기 위해 UE(105)에서 사용될 수 있다. 피드백 수신기(138)는 물리적 상호작용(205)에 대응하는 값을 튜너 회로(132)로 출력할 수 있다. 튜너 회로(132)는 튜너 제어 알고리즘(133), 임피던스 튜너 회로(134) 및 애퍼츄어 튜너 회로(136)를 포함할 수 있다. 튜너 제어 알고리즘은 피드백 수신기(138)로부터의 출력 값에 기초하여 더 나은 임피던스 튜너 코드 또는 더 나은 애퍼츄어 튜너 코드를 선택할 수 있다. 본 개시는 UE와의 인간 상호작용(예를 들어, UE에 대한 핸드 그립의 유형)을 언급하지만, 본 개시는 이에 제한되지 않는다는 것이 이해되어야 한다. 예를 들어, UE와의 물리적 상호작용은 UE에 대한 다른 물리적 객체의 존재 또는 근접과 관련된 임의의 상호작용을 포함할 수 있다.
본 개시에 따른 신경망 훈련을 위한 데이터 수집 과정은 다음과 같은 동작을 포함할 수 있다. 양방향 커플러(144)는 피드백 수신부(138)의 입력에서 반사 계수 를 읽을 수 있다. 신호(예를 들어, 데이터 시퀀스)는 안테나(140)를 통해 전송될 수 있다. 피드백 수신기(138)는 신호를 판독하고, 상관(예를 들어, 각각의 대응하는 사용 사례에 대한 전송의 2개의 주파수 대역 사이의 상관)을 수행하고, 전송의 순방향 신호 경로 및 역방향 신호 경로를 추정하는 데 사용될 수 있다. 임의의 주어진 튜너 코드(α)에 대한 반사 계수 는 역방향 경로에 대한 순방향의 비율을 사용하여 결정될 수 있다.
도 3은 본 개시의 일부 실시예에 따른, UE(105)와의 물리적 상호작용을 분류하기 위한 신경망을 도시한 도면이다.
도 3을 참조하면, 신경망 분류기(300)는 신경망 회로(130)(도 1b 및 도 2 참조)에 포함될 수 있다. 신경망 분류기(300)는 실제로 UE(105)(도 1a 내지 도 2 참조)에 의해 사용될 수 있는 모든 주파수 대역 및 반송파 주파수에 대한 데이터 포인트(예를 들어, 임피던스 및 주파수 측정치)를 분석함으로써 상이한 물리적 상호작용(예를 들어, 물리적-매체 상호작용 또는 물리적-힘 상호작용)을 상이한 사용 사례로 분류하도록 훈련될 수 있다. 이하에서 논의되는 바와 같이, 도 4a 및 도 4b를 참조하여, 데이터(예를 들어, 실제 및 합성 데이터 포함)는 각각의 주파수 대역 및 반송파 주파수에 대한 각각의 사용 사례로 선형적으로 분리될 수 있다. 신경망 분류기(300)는 신경망 분류기(300)에 대한 주어진 입력 세트가 특정 사용 사례에 대응할 확률을 결정하기 위한 분류기로서 사용되는 신경망일 수 있다. 간단한 예로, UE(105)가 책상 위에 놓여, 사람의 왼손으로 쥐고, 오른손에 쥐고, 자유 공간에 위치하는 동안(예를 들어, UE의 안테나는 어떤 물체에 의해 방해받지 않을 수 있음), 사용 사례는 피드백 수신기(138)(도 2 참조)에 의한 측정에 대응할 수 있다.
본 개시의 일부 실시예에서, 신경망 분류기(300)는 완전 연결된 신경망일 수 있다(예를 들어, 6 계층 완전 연결 신경망). 예를 들어, 신경망 분류기(300)는 제6 계층(L6)에 대응하는 입력 계층(LIN)과 출력 계층, 및 5개의 히든 계층(L1-L5)를 포함할 수 있다.
신경망 분류기(300)는 다음과 같은 입력 특징을 가질 수 있다: (i) 임피던스 튜너 회로(134) 및 애퍼츄어 튜너 회로(136)가 바이패스될 때(예를 들어, 바이패스 모드에서 동작할 때)() 피드백 수신기(138)의 입력에서의 반사 계수(도 2 참조); (ii) 주파수 대역(b); 및 (iii) 반송파 주파수(fc).
신경망 분류기(300)에 대한 제1 입력 특징은 반사 계수와 연관될 수 있다. 반사 계수는 실수부와 허수부를 포함하는 복소수이다. 그러나 신경망 방법은 실제 입력을 위해 설계되었다. 이 문제에 대처하기 위해, 일부 실시예에서, 숫자의 실수부 및 허수부는 신경망 분류기(300)에 2개의 개별 입력 채널로서 전달될 수 있다. 예를 들어, 도 3에 도시된 바와 같이, 제1 입력 값(301)은 UE(105)와의 물리적 상호작용(205) 동안 피드백 수신기(138)에 의해 측정된 임피던스의 척도인 반사 계수에 대응할 수 있다. 제1 입력 값(301)은 입력(301A)에서의 반사 계수의 실수 값, 입력(301B)에서의 반사 계수의 허수 값 및 입력(301C)에서의 반사 계수의 크기 값을 포함할 수 있다. 반사 계수의 크기 값은 신경망 분류기(300)가 입력(301A)에서의 실수 값과 입력(301B)에서의 허수 값 사이의 관계를 이해할 수 있도록 제공될 수 있다. 실제 및 가상 채널(입력 301A 및 301B에 해당)은 [-1, 1] 범위의 값을 가질 수 있고 크기 채널은 [0, 1] 범위의 값을 가질 수 있다.
신경망 분류기(300)에 반사 계수의 실수부와 허수부를 입력하는 것에 대한 대안으로, 복소수의 크기와 각도는 신경망 분류기(300)에 두 개의 개별 입력 채널로 전달될 수 있다. 따라서, 신경망 분류기(300)는 반사 계수에 대응하는 하나 이상의 입력 값을 수신할 수 있으므로, 안테나 임피던스와 연관되어 UE와의 상이한 물리적 상호작용을 분류할 수 있다.
신경망 분류기(300)에 대한 제2 입력 특징은 UE와 신호를 송수신하는 데 사용되는 주파수 대역(b)(예를 들어, LTE 대역)과 연관될 수 있으며, 이는 위에서 논의된 측정된 반사 계수를 초래한다. 예를 들어, 제2 입력 값(302)은 제1 입력 값(301)에 대응하는 주파수 대역을 식별하는 것과 연관될 수 있다. 예를 들어, LTE 전송은 19개의 대역 중 어느 하나에서 발생할 수 있다. 따라서, 제2 입력 값(302)은 LTE 전송에 사용될 때 19개의 입력 값을 갖는 밴드 인덱스에 해당할 수 있다.
주파수 대역 입력 특성은 임의의 의미를 갖는 이산 값을 가질 수 있기 때문에, 임베딩 계층을 사용하여 이 정보를 정확하게 표현할 수 있다. 단순히 제2 입력 값(302)을 정규화하는 것은 올바른 정보를 전달하지 못할 수 있다. 이 문제를 해결하기 위해 두 가지 대안을 사용할 수 있다. 본 개시의 일부 실시예에서, 고정된 사전 및 크기의 룩업 테이블 계층은 주어진 인덱스에 기초하여 코드를 생성하기 위해 사용될 수 있다. 분석을 기반으로, 주파수 대역 간의 평균 상관 계수를 사용하여 정보를 나타낼 수 있다. 예를 들어, 정확도 향상을 위해 사용자 장치와 신호를 송수신하기 위한 둘 이상의 주파수 대역을 상관시키기 위해 상관 계수가 제공될 수 있다. 즉, 반사 계수(또는 안테나 임피던스)는 서로 다른 주파수에서 어느 정도 상관 관계가 있기 때문에, 서로 다른 사용 사례에 대한 서로 다른 주파수 사이의 관계는 신경망 분류기(300)의 정확도를 개선하는 데 사용될 수 있다. 대안적으로, 본 개시의 일부 실시예에서, 훈련 가능한 임베딩 계층이 사용될 수 있다. 후자의 옵션(훈련 가능한 임베딩 계층 옵션)은 이전 데이터 분석에 의존하지 않지만, 첫 번째 옵션(룩업 테이블 계층 옵션)은 이전 데이터 분석에 의존하고 더 유연할 수 있으며, 신경망 분류기(300)가 입력 특징으로부터 더 복잡한 관계를 학습할 수 있게 할 수 있다
신경망 분류기(300)에 대한 제3 입력 특징은 반송파 주파수(fc) 특징과 연관될 수 있다. 예를 들어, 제3 입력 값(303)은 주어진 입력 주파수 대역에 대한 특정 범위 내의 값을 취할 수 있는 반송파 주파수와 연관될 수 있다. 예를 들어, LTE 밴드 7의 경우, 업링크 반송파 주파수는 2.5GHz와 2.57GHz 사이의 값을 가질 수 있다. 본 개시의 일부 실시예에서, 반송파 주파수 정보는 특정 범위(예를 들어, [0, 1] 또는 [-1, 1]) 내의 모든 이용 가능한 반송파 주파수를 정규화함으로써 신경망 분류기(300)로 전달될 수 있다. 본 개시의 일부 실시예에서, 반송파 주파수 정보는 특정 범위(예를 들어, [0, 1] 또는 [-1, 1]) 내의 각 대역 내의 주파수를 정규화하여 신경망 분류기(300)에 전달될 수 있다.
요약하면, 본 개시의 일부 실시예에서, 신경망 분류기(300)의 입력 채널은: (i) 바이패스 반사 계수의 실수부(임피던스 튜너 회로(134) 및 애퍼처 튜너 회로(136)가 바이패스될 때 피드백 수신기의 입력에서 측정된 반사 계수); (ii) 바이패스 반사 계수의 허수부; (iii) 바이패스 반사 계수의 크기; (iv) 반송파 주파수에 대응하는 주파수 인덱스(예를 들어, [0, 8]); 및 (v) 대응하는 주파수 대역 인덱스(예를 들어, [0, 18]의 LTE 대역 인덱스) 또는 대응하는 LTE 대역 상관 계수를 포함할 수 있다.
신경망 분류기(300)의 출력(304-307)은 대응하는 제1 입력 값(301), 제2 입력 값(302) 및 제3 입력 값(303)이 사용 사례 중 하나에 속하는 확률을 포함할 수 있다 .
신경망 분류기(300)를 훈련하기 위해, 아담(Adam) 최적화기가 사용될 수 있다. 또한 사용자 정의 스케줄링 알고리즘을 사용하여 반복 중 학습 속도를 줄일 수 있다. 음의 로그 우도(NLL)가 비용 메트릭으로 사용될 수 있다. 본 개시의 일부 실시예에서, 50 에포크 및 256의 배치(batch) 크기가 사용될 수 있다. 1e-3의 시작 학습률이 사용될 수 있다.
도 4a는 본 개시의 일부 실시예에 따른, 신경망 테스트를 위한 그래픽 사용자 인터페이스(GUI)를 나타내는 도면이다.
도 4b는 본 개시의 일부 실시예에 따른, 주파수 대역에 대응하는 예시적인 분류 영역을 나타내는 도면이다.
도 4a을 참조하면, GUI(400)는 추론을 위한 기계 학습 모델의 훈련에 사용될 수 있다. 예를 들어, GUI(400)는 어텐션(AT) 명령을 사용하여 기준 UE를 제어하는 데 사용될 수 있다. UE는 추론을 위해 훈련된 기계 학습 모델을 사용할 수 있다. GUI(400)는 주파수 대역 필드(402) 및 반송파 주파수 필드(404)를 포함할 수 있다. GUI(400)는 훈련된 신경망 분류기(300)(도 3 참조)의 출력(304-307)을 그들의 각각의 사용 사례(UC1-UC4)와 함께 묘사할 수 있다. 예를 들어, 제1 사용 사례(UC1)는 UE(105)가 책상 위에 놓여 있는 UE(105)와의 물리적 상호작용(205)에 대응할 수 있고(도 2 참조); 제2 사용 사례(UC2)는 UE(105)를 사람의 왼손으로 잡고 있는 UE(105)와의 물리적 상호작용(205)에 대응할 수 있고; 제3 사용 사례(UC3)는 UE(105)를 사람의 오른손으로 잡고 있는 UE(105)와의 물리적 상호작용(205)에 대응할 수 있고; 제4 사용 사례(UC4)는 UE(105)가 임의의 물체에 의해 방해받지 않는(예를 들어, UE가 자유 공간에 있음) UE(105)와의 물리적 상호작용(205)에 대응할 수 있다. UE(105)의 신경망 분류기(300)에 의해 수신된 입력 값에 기초하여, 신경망 분류기(300)는 입력이 각각의 사용 사례(UC1-UC4)에 대응하는 확률을 출력할 수 있다.
도 4b를 참조하면, 상이한 주파수 대역 및 반송파 주파수에 대응하는 데이터 포인트(422)는 상이한 사용 사례로 분류될 수 있다. 일부 데이터 포인트(422)는 실제(또는 실제) 측정 데이터에 대응할 수 있다. 예를 들어, 반사 계수는 각 사용 사례에 대한 각 주파수 대역 및 반송파 주파수에 대해 UE에서 측정될 수 있다. 그런 다음 이러한 데이터 포인트(422)는 서로 다른 사용 사례에 대응하는 서로 다른 영역을 정의할 수 있다. 예를 들어, 반사 계수 플롯(420)의 제1 영역 R1에 대응하는 데이터 포인트(422)는 제1 사용 사례(UC1)에 대응할 수 있고; 반사 계수 플롯(420)의 제2 영역 R2에 대응하는 제2 데이터 포인트(422)는 제2 사용 사례(UC2)에 대응할 수 있고; 반사 계수 플롯(420)의 제3 영역 R3에 대응하는 제3 데이터 포인트(422)는 제3 사용 사례(UC3)에 대응할 수 있고; 반사 계수 플롯(420)의 제4 영역(R4)에 대응하는 제4 데이터 포인트(422)는 제4 사용 사례(UC4)에 대응할 수 있다.
UE와의 물리적 상호작용을 검출하고 응답하기 위한 데이터 기반 접근법이 더 많은 수의 데이터 포인트를 사용함으로써 개선될 수 있고, 실제 데이터 측정값을 수집하는 데 시간이 많이 걸릴 수 있기 때문에, 본 개시의 일부 실시예는 기계 학습 모델을 훈련시키기 위해 실제 데이터의 분석에 기초하여 생성된 합성 데이터를 사용할 수 있다. 예를 들어, 가우스 분포(예: 다음과 같은 다변량 가우스 분포)는 실제 데이터 포인트(422)를 모델링하고 합성 데이터 포인트(422)를 생성하는 데 사용될 수 있다.
위 수학식에서, N(μ,Σ)는 정규 분포이고; μ는 평균이고; Σ는 공분산 행렬이고; x는 실수 k차원 열 벡터이다.
도 5a는 본 개시의 일부 실시예에 따른 반사 계수()를 결정하기 위한 전달 함수 모델의 구조를 도시하는 도면이다.
도 5a을 참조하면, 상술한 바와 같이, UE(105)의 성능을 향상시키기 위해 안테나 임피던스 또는 안테나 애퍼츄어를 조정하는 것과 관련된 출력 값을 결정하기 위해, UE(105)와의 물리적 상호작용(205)과 연관된 변경된 안테나 임피던스로 인해(도 2 참조), 일부 접근법은 UE(105)의 기생 모델(510)에 의존한다. 예를 들어, VSWR이 UE의 성능을 향상시키기 위한 튜너 코드(α)를 찾기 위한 메트릭으로 사용될 수 있다. 이 접근법에 따르면, 기생 모델(510)에 대응하는 전달 함수 가 바이패스 반사 계수(γ), 반송파 주파수(fc) 및 임피던스 튜너 코드(α)와 함께, 사용되어, 임의의 튜너 코드(α)에 대해 피드백 수신기(138)(도 2 참조)의 입력에서 반사 계수()를 추정한다. 따라서, RTG는 측정된 바이패스 반사 계수를 기반으로 개선된 튜너 코드를 결정하는 데 사용될 수 있다. 개선된 튜너 코드는 물리적 상호작용(205)(도 2 참조)에 기초하여 UE(105)의 성능을 개선하기 위한 임피던스 튜너 회로에 대한 조정에 대응할 수 있다. 이 접근법에 따르면, 튜너 모델(510B)을 제공하기 위해 기생 모델이 사용될 수 있고 안테나 모델(510A) 및 RF PCB 모델(510C)에 대해 2포트 네트워크 구조가 가정될 수 있다. 또한, 2포트 네트워크의 ABC 매개변수를 추정하여 S-매개변수를 찾을 수 있다.
위에서 설명한 바오 같이, 기생 모델 접근법은 토폴로지에 따라 다르며 일부 응용 프로그램에 대해 충분히 유연하지 않을 수 있다.
도 5b는 본 개시의 일부 실시예에 따라 타겟 튜너 코드()를 결정하기 위한 독립형 회귀 모델의 역할을 하는 신경망을 도시한 도면이다.
도 5b을 참조하면, 본 개시내용의 일부 실시예는 임의의 튜너 코드(α)에 대해 피드백 수신기(138)(도 2 참조)의 입력에서 반사 계수()를 추정하기 위해 회귀 신경망(500)을 포함하는 토폴로지 불가지론적 모델(520)을 사용할 수 있다. 토폴로지 불가지론적 모델(520)은 신경망 회로(130, 도 1b 및 도 2 참조)에 포함될 수 있다. 회귀 신경망(500)은 UE(105)의 전달 함수 에 대한 회귀 모델로서 설계된 완전 연결 신경망일 수 있다. 본 개시의 일부 실시예에서, 회귀 신경망(500)은 9 계층 완전 연결 신경망일 수 있다.
토폴로지 불가지론적 모델(520)의 입력(521-524)은 입력(521)에서의 바이패스 반사 계수, 입력(522)에서의 반송파 주파수, 입력(523)에서의 주파수 대역 및 입력(524)에서의 튜너 코드(α)를 포함할 수 있다. 회귀 신경망(500)의 출력(525)은 입력(524)에서의 튜너 코드(α)에 대응하는 피드백 수신기(138)(도 2 참조)의 출력에서의 반사 계수()일 수 있다.
토폴로지 불가지론적 모델(520)에 대한 회귀 신경망(500)을 훈련시키기 위해 아담 최적화기가 사용될 수 있다. 또한 평균 제곱 오차(MSE)를 비용 함수로 사용할 수 있다. 적응형 학습률이 사용될 수 있으며 몇 에포크마다 학습률이 감소할 수 있다. 훈련이 1e-2에서 시작하여 5e-5까지 내려갈 수 있다. 이 훈련 방식은 약 -34.5dB MSE 및 약 -24.7dB 정규화된 평균 제곱 오차(NMSE)를 달성할 수 있다. 따라서, 회귀 신경망(500)을 사용하는 이 기계 학습 모델은 반사 계수()를 정확하게 예측하는 데 사용될 수 있다.
또한 도 5b을 참조하여, 애퍼츄어 튜닝을 위해, 회귀 신경망(500)이 사용될 수 있다. 애퍼츄어 튜닝을 위한 회귀 신경망(500)은 다음과 같은 입력 특징을 가질 수 있다. (i) 입력(521)에서의 바이패스 반사 계수(); (ii) 입력(522)의 반송파 주파수(fc), 입력(523)의 주파수 대역(b) 및 입력(524)의 타겟 튜너 코드. 임피던스 튜너 회로(134)가 바이패스 모드에 있고 애퍼츄어 튜너 회로가 타겟 튜너 코드로 설정될 때 회귀 신경망(500)의 출력(525)은 피드백 수신기(138)의 입력에서의 반사 계수일 수 있다.
애퍼츄어 튜닝을 위해 회귀 신경망(500)을 훈련시키기 위해, 아담 최적화기가 사용될 수 있다. 또한, MSE는 비용 함수로 사용될 수 있다. 적응형 학습률이 사용될 수 있으며 몇 에포크마다 학습률이 감소할 수 있다. 훈련은 1e-2에서 시작하여 5e-5까지 계속 이어질 수 있다. 이 훈련 접근법은 약 -38.41dB MSE 및 약 -27.29dB NMSE를 달성할 수 있다. 따라서, 애퍼츄어 튜닝을 위한 회귀 신경망(500)을 이용하는 이 기계 학습 모델은 반사 계수()를 정확하게 예측하는 데 사용될 수 있다.
도 5c는 본 개시의 일부 실시예에 따라 타겟 튜너 코드()를 결정하기 위한 전달 함수 모델 내에서.튜너 모델을 추정하고 ABC 매개변수를 참조하기 위한 회귀 모델 역할을 하는 신경망을 도시한 도면이다.
도 5c를 참조하면, 본 개시의 일부 실시예는 블랙박스 회귀 모델(530)을 사용할 수 있다. 블랙박스 회귀 모델(530)은 신경망 회로(130, 도 1b 및 도 2 참조)에 포함될 수 있다. 예를 들어, 회귀 신경망(500)(예를 들어, 완전히 연결된 신경망)은 위에서 논의된 기생 모델(510)의 안테나 모델(510A) 및 RF PCB 모델(510C)에 대한 튜너 모델(510B) 및 기준 ABC 매개변수를 추정하는 데 사용될 수 있다. 이 접근법에 따르면, 블랙박스 회귀 모델(530)은 다음과 같은 입력 특징을 가질 수 있다: (i) 입력(531A)에서의 바이패스 반사 계수(); (ii) 입력(532)에서의 반송파 주파수(fc); (iii) 입력(533)에서의 주파수 대역(b); 및 (iv) 입력(534)에서의 타겟 튜너 코드(α). 애퍼츄어 튜너 회로(136)가 바이패스 모드에 있고 임피던스 튜너 회로(134)가 타겟 튜너 코드()로 설정될 때, 블랙박스 회귀 모델(530)의 출력(536)은 피드백 수신기(138)(도 2 참조)의 입력에서의 반사 계수일 수 있다. 본 개시의 일부 실시예에서, 기생 모델(510)의 분석을 수행한 후, 회귀 신경망(500)의 입력 및 출력 계층은 다음 방정식에 따라 데이터를 처리하는 데 사용될 수 있다.
상기 방정식에서, 는 추정된 안테나 반사 계수이고; 는 바이패스 반사 계수이고; Bbypass는 이고; Abypass는 이고; Cbypass는 이고;
Figure pat00027
은 측정된 반사 계수이고; Ain은 S21S12-S11 S22이고; Bin은 S11이고; Cin은 -S22이고; 은 PCB 섹션 입력 반사 계수이고; S11, S12, S21 및 S22는 S-매개변수가고(안테나 모델(510A)의 입력 포트 반사, 역방향 이득, 순방향 이득 및 출력 포트 반사를 각각 나타냄); 는 바이패스 튜닝 코드가 있는 S-매개변수를 나타낸다.
블랙박스 회귀 모델(530)의 경우, 기생 모델(510)에서 튜너 모델(510B)만은 블랙 박스로 간주될 수 있고 안테나 모델(510A) 및 RF PCB 모델(510C)에 대한 ABC 매개변수가 추정될 수 있다. 이러한 ABC 매개변수를 사용하여, S-매개변수와 RTG는 무작위 재시작 언덕 등반(RRHC) 알고리즘에서 VSWR 대신에, 비용 함수로 사용될 수 있다.
블랙박스 회귀 모델(530)에 대한 회귀 신경망(500)을 훈련하기 위해 아담 최적화기가 사용될 수 있다. 또한 평균 제곱 오차(MSE)를 비용 함수로 사용할 수 있다. 적응형 학습률이 사용될 수 있으며, 몇 에포크마다 학습률이 감소할 수 있다. 훈련은 1e-2에서 시작하여 5e-5까지 계속 이어질 수 있다. 이 훈련 방식은 약 -33.7dB MSE 및 약 -23.91dB NMSE를 달성할 수 있다. 따라서, 회귀 신경망(500)을 사용하는 이 기계 학습 모델은 반사 계수()를 정확하게 예측하는 데 사용될 수 있다.
토폴로지 특정 기생 모델(510) 접근법에 비해 블랙 박스 회귀 모델(530) 접근법 및 토폴로지 불가지론적 모델(520) 접근법의 장점은 다른 UE 토폴로지를 모델링하는 데 더 많은 유연성을 허용하고 특정 사용 사례를 구별할 수 있는 기능을 허용하는 것을 포함한다.
도 6은 본 개시의 일부 실시예에 따른 튜너 코드 추정을 위한 신경망 모델을 도시한 도면이다.
도 6을 참조하면, 본 개시의 일부 실시예는 튜닝 코드 예측 모델(610)을 사용할 수 있다. 튜닝 코드 예측 모델(610)은 신경망 회로(130)(도 1b 및 도 2 참조)에 포함될 수 있다. 튜닝 코드 예측 모델(610)은 튜닝 코드 예측 신경망(600)(예를 들어, 완전 연결된 신경망)을 포함할 수 있다. 튜닝 코드 예측 신경망(600)은 다음의 입력을 포함할 수 있다: (i) 입력(601)에서의 바이패스 반사 계수(); (ii) 입력(602)에서의 임의의 튜너 코드에 대한 피드백 수신기(138)(도 2 참조)의 입력에서의 반사 계수(); (iii) 입력(603)에서의 반송파 주파수(fc); 및 (iv) 입력(604)에서의 주파수 대역(b). 튜닝 코드 예측 신경망(600)의 출력은 RTG 및/또는 VSWR에 기초하여 낮은(예를 들어, 최저) 비용을 달성할 수 있는 예측된 튜너 코드이다. 튜닝 코드 예측 모델(610)의 입력 및 출력은 튜닝 코드 예측 신경망(600)의 입력 및 출력 계층에 대응할 수 있다.
튜닝 코드 예측 신경망(600)을 훈련하기 위해, 아담 최적화 프로그램을 사용할 수 있다. 추가적으로, 이진 교차 엔트로피(BCE)는 비용 함수로 사용될 수 있다. 적응형 학습률이 사용될 수 있으며 몇 에포크마다 학습률이 감소할 수 있다. 훈련은 1e-2에서 시작하여 5e-5까지 계속 이어질 수 있다. 반사계수()는 0으로 설정될 수 있다. 네트워크의 예상 출력은 낮은 VSWR을 달성할 수 있는 튜너 코드이다(예를 들어, ).
도 7은 상이한 튜너 코드에 대한 일반화된 물리적 상호작용 검출 모델을 위한 캐스케이드 시스템(700)을 도시하는 도면이다.
도 7을 참조하면, 캐스케이드 시스템(700)은 임의의 임피던스 튜너 코드에 대한 특정 사용 사례를 예측하는 데 사용될 수 있다. 캐스케이드 시스템(700)은 신경망 회로(130)(도 1b 및 도 2 참조)에 포함될 수 있다. 캐스케이드 시스템(700)은 2개의 신경망(예를 들어, 2개의 완전히 연결된 신경망)을 포함할 수 있다. 캐스케이드 시스템(700)은 역전이 함수 회귀 신경망(710) 및 일반화 분류 신경망(720)을 포함할 수 있다. 예를 들어, 캐스케이드 시스템(700)은 분류 신경망의 입력(705B)에 결합된 출력(705A)을 갖는 회귀 신경망을 포함할 수 있다. 역전달함수 회귀 신경망(710)은 의 전달함수 모델의 역함수를 모델링하는데 사용될 수 있다(예를 들어, 도 5a의 기생 모델(510)에 대해 위에서 논의된 전달 함수의 역). 따라서, 출력(705A)에서의 바이패스 반사 계수()는 다음의 주어진 입력으로부터 추정될 수 있다: (i) 입력(701)에서의 반사 계수 ; (ii) 입력(702)에서의 반송파 주파수(fc); (iii) 입력(703)에서의 주파수 대역(b); 및 입력(704)에서의 임피던스 튜너 코드(α). 그 다음에, 일반화된 분류기(720)를 재훈련할 필요 없이, 다음 입력을 기반으로 하여 일반화된 분류 신경망(720)의 출력(708)에서의 특정 사용 사례가 결정될 수 있다: (i) 입력(705B)에서의 바이패스 반사 계수, 입력(706)에서의 주파수 대역(b); 및 (ii) 입력(707)에서 반송파 주파수(fc).
도 8은 본 개시의 일부 실시 예에 따른 네트워크 환경(800)의 전자 장치의 블록도이다.
도 8을 참조하면, 네트워크 환경(800) 내의 전자 장치(801)는 제 1 네트워크(898)(예: 근거리 무선 통신 네트워크)를 통해 전자 장치(802)와, 또는 제2 네트워크(899)(예: 장거리 무선 통신 네트워크)를 통해 전자 장치(804) 또는 서버(808)와 통신할 수 있다. 전자 장치(801)는 서버(808)를 통하여 전자 장치(804)와 통신할 수 있다. 전자 장치(801)는 프로세서(820), 메모리(830), 입력 장치(850), 출력 장치(855), 디스플레이 장치(860), 오디오 장치(870), 센서 모듈(876), 인터페이스(877), 햅틱 모듈(879), 카메라 모듈(880), 전력 관리 모듈(888), 배터리(889), 통신 모듈(890), 가입자 식별 모듈(SIM) 카드(896) 또는 안테나 모듈(897)를 포함한다. 일 실시 예에서, 구성 요소 중 적어도 하나(예를 들어, 디스플레이 장치(860) 또는 카메라 모듈(880))는 전자 장치(801)에서 생략되거나, 하나 이상의 다른 구성 요소는 전자 장치(801)에 추가될 수 있다. 구성 요소 중 일부는 단일 집적 회로(IC)로 구현될 수 있다. 예를 들어, 센서 모듈(876)(예를 들어, 지문 센서, 홍채 센서 또는 조도 센서)은 디스플레이 장치(860)(예를 들어, 디스플레이)에 내장될 수 있다.
프로세서(820)는 예를 들어, 소프트웨어(예를 들어, 프로그램(840))를 실행하여 프로세서(820)과 연결된 전자 장치(801)의 적어도 하나의 다른 구성 요소(예를 들어, 하드웨어 또는 소프트웨어 구성 요소)를 제어할 수 있으며, 다양한 데이터 처리 또는 계산을 수행할 수 있다.
데이터 처리 또는 계산의 적어도 일부로서, 프로세서(820)는 휘발성 메모리(832)의 다른 구성 요소(예를 들어, 센서 모듈(876) 또는 통신 모듈(890))로부터 수신된 명령 또는 데이터를 로드할 수 있으며, 휘발성 메모리(832)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(834)에 저장한다. 프로세서(820)는 메인 프로세서(821)(예를 들어, CPU 또는 애플리케이션 프로세서(AP)), 및 메인 프로세서(821)와 독립적으로 또는 함께 동작할 수 있는 보조 프로세서(812)(예를 들어, GPU, 이미지 신호 프로세서(ISP)), 센서 허브 프로세서 또는 통신 프로세서(CP))를 포함할 수 있다. 추가적으로 또는 대안적으로, 보조 프로세서(812)는 메인 프로세서(821)보다 적은 전력을 소비하거나 특정 능력을 실행하도록 구성될 수 있다. 보조 프로세서(823)는 메인 프로세서(821)와 별개로 구현될 수도 있고, 그 일부로 구현될 수도 있다.
보조 프로세서(823)는 메인 프로세서(2321)가 비활성(예를 들어, 슬립) 상태에 있는 동안 메인 프로세서(2321) 대신에, 또는 메인 프로세서(821)가 활성 상태(예를 들어, 애플리케이션 실행중)에 있는 동안 메인 프로세서(821)와 함께, 전자 장치(801)의 구성 요소 중 적어도 하나의 구성 요소(예를 들어, 디스플레이 장치(860), 센서 모듈(876) 또는 통신 모듈(890))와 관련된 기능 또는 상태 중 적어도 일부를 제어할 수 있다. 보조 프로세서(812)(예를 들어, 이미지 신호 프로세서 또는 통신 프로세서)는 보조 프로세서(812)와 기능적으로 관련된 다른 구성 요소(예를 들어, 카메라 모듈(880) 또는 통신 모듈(890))의 일부로 구현될 수 있다.
메모리(830)는 전자 장치(801)의 적어도 하나의 구성 요소(예를 들어, 프로세서(820) 또는 센서 모듈(876))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 다양한 데이터는 예를 들어, 소프트웨어(예를 들어, 프로그램(840)) 및 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(830)는 휘발성 메모리(832) 또는 비휘발성 메모리(834)를 포함할 수 있다. 비휘발성 메모리(834)는 내부 메모리(836)와 외부 메모리(838)를 포함할 수 있다.
프로그램(840)은 소프트웨어로서 메모리(830)에 저장될 수 있으며, 예를 들어, 운영 체제(OS)(842), 미들웨어(844) 또는 애플리케이션(846)을 포함할 수 있다.
입력 장치(850)는 전자 장치(801)의 외부(예를 들어, 사용자)로부터 전자 장치(801)의 다른 구성 요소(예를 들어, 프로세서(820))에 의해 사용될 명령 또는 데이터를 수신할 수 있다. 입력 장치(850)는 예를 들어, 마이크, 마우스 또는 키보드를 포함할 수 있다.
음향 출력 장치(855)는 전자 장치(801)의 외부로 음향 신호를 출력할 수 있다. 음향 출력 장치(855)는 예를 들어, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음과 같은 일반적인 용도로 사용될 수 있으며, 수신기는 수신 전화를 수신하는 데 사용될 수 있다. 수신기는 스피커와 분리되거나 스피커의 일부로 구현될 수 있다.
디스플레이 장치(860)는 전자 장치(801)의 외부(예를 들어, 사용자)에게 시각적으로 정보를 제공할 수 있다. 디스플레이 장치(860)는, 예를 들어, 디스플레이, 홀로그램 장치 또는 프로젝터 및 제어 회로를 포함하여 디스플레이, 홀로그램 장치 및 프로젝터 중 대응하는 것을 제어할 수 있다. 디스플레이 장치(860)는 터치를 탐지하도록 구성된 터치 회로, 또는 터치에 의해 발생하는 힘의 강도를 측정하도록 구성된 센서 회로(예를 들어, 압력 센서)를 포함할 수 있다.
오디오 모듈(870)은 소리를 전기적 신호로 변환하거나 그 반대로 변환할 수 있다. 오디오 모듈(870)은 입력 장치(850)을 통해 사운드를 획득하거나, 사운드를 음향 출력 장치(855) 또는 외부 전자 장치(802)의 헤드폰을 통해 전자 장치(801)와 직접(예를 들어, 유선으로) 또는 무선으로 출력한다.
센서 모듈(876)은 전자 장치(801)의 동작 상태(예를 들어, 전원 또는 온도) 또는 전자 장치(801) 외부의 환경 상태(예를 들어, 사용자의 상태)를 탐지하고, 다음에 탐지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성한다. 센서 모듈(876)은, 예를 들어 제스처 센서, 자이로 센서, 대기압 센서, 자기 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, 적외선(IR) 센서, 생체 인식 센서, 온도 센서, 습도 센서 또는 조도 센서일 수 있다.
인터페이스(877)는 전자 장치(801)가 외부 전자 장치(802)와 직접(예를 들어, 유선으로) 또는 무선으로 연결되는 데 사용될 하나 이상의 지정된 프로토콜을 지원할 수 있다. 인터페이스(877)는 예를 들어, 고 해상도 멀티미디어 인터페이스(HDMI), 범용 직렬 버스(USB) 인터페이스, 시큐어 디지털(SD) 카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(878)는 전자 장치(801)가 외부 전자 장치(802)와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 연결 단자(878)는 예를 들어, HDMI 커넥터, USB 커넥터, SD 카드 커넥터 또는 오디오 커넥터(예를 들어, 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(879)은 전기적 신호를 기계적 자극(예를 들어, 진동 또는 움직임) 또는 촉감 또는 운동 감각을 통해 사용자가 인식할 수 있는 전기적 자극으로 변환할 수 있다. 햅틱 모듈(879)은 예를 들어, 모터, 압전 소자 또는 전기 자극기를 포함할 수 있다.
카메라 모듈(880)은 정지 영상 또는 동영상을 촬영할 수 있다. 카메라 모듈(880)은 하나 이상의 렌즈, 이미지 센서, ISP 또는 플래시를 포함할 수 있다.
전력 관리 모듈(888)은 전자 장치(801)에 공급되는 전력을 관리할 수 있다. 전력 관리 모듈(888)은 예를 들어, 전력 관리 집적 회로(PMIC)의 적어도 일부로 구현될 수 있다.
배터리(889)는 전자 장치(801)의 적어도 하나의 구성 요소에 전원을 공급할 수 있다. 배터리(889)는 예를 들어, 충전이 불가능한 1 차 전지, 충전 가능한 2 차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(890)은 전자 장치(801)과 외부 전자 장치(예를 들어, 전자 장치(802), 전자 장치(804) 또는 서버(808)) 간의 직접적인(예를 들어, 유선) 통신 채널 또는 무선 통신 채널 설정을 지원하고, 설정된 통신 채널을 통해 통신을 수행하는 것을 지원할 수 있다. 통신 모듈(890)은 프로세서(820)(예를 들어, AP)와 독립적으로 동작할 수 있는 하나 이상의 CP를 포함할 수 있으며, 직접(예를 들어, 유선) 통신 또는 무선 통신을 지원한다. 통신 모듈(890)은 무선 통신 모듈(892)(예를 들어, 셀룰러 통신 모듈, 근거리 무선 통신 모듈 또는 글로벌 위성 항법 시스템(GNSS) 통신 모듈) 또는 유선 통신 모듈(894)(예를 들어, 근거리 통신망(LAN) 통신 모듈 또는 전력선 통신(PLC) 모듈)를 포함할 수 있다. 이러한 통신 모듈 중 해당하는 모듈은 제1 네트워크(898)(예를 들어, Bluetooth®, 무선 피델리티(Wi-Fi) 다이렉트, 또는 적외선 데이터 협회(IrDA) 표준과 같은 단거리 통신 네트워크) 또는 제2 네트워크(899)(예를 들어, 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예를 들어, LAN 또는 광역 네트워크(WAN))와 같은 장거리 통신 네트워크)를 통해 외부 전자 장치와 통신할 수 있다. Bluetooth®는 워싱턴 커클랜드 소재의 Bluetooth SIG, Inc.의 등록 상표이다. 이러한 다양한 유형의 통신 모듈은 단일 구성 요소(예를 들어, 단일 IC)로 구현될 수 있으며, 서로 분리된 여러 구성 요소(예를 들어, 다수의 IC)로 구현될 수 있다. 무선 통신 모듈(892)는 가입자 식별 모듈(896)에 저장된 가입자 정보(예를 들어, 국제 모바일 가입자 식별자(IMSI))를 사용하여, 제1 네트워크(898) 또는 제2 네트워크(899)와 같은 통신 네트워크에서 전자 장치(801)를 식별하고 인증할 수 있다.
안테나 모듈(897)은 전자 장치(801)의 외부(예를 들어, 외부 전자 장치)와 신호 또는 전원을 송수신할 수 있다. 안테나 모듈(897)은 하나 이상의 안테나를 포함할 수 있으며, 이중에서, 제1 네트워크(898) 또는 제2 네트워크(899)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나를 통신 모듈(890)(예를 들어, 무선 통신 모듈(892))에 의해 선택할 수 있다. 그러면 선택된 적어도 하나의 안테나를 통해 통신 모듈(890)과 외부 전자 장치간에 신호 또는 전력이 송수신될 수 있다.
명령 또는 데이터는 제2 네트워크(899)와 결합된 서버(808)를 통해 전자 장치(801)와 외부 전자 장치(804) 사이에서 송수신될 수 있다. 각각의 전자 장치(802, 804)는 전자 장치(801)와 동일한 유형 또는 이와 다른 유형의 장치일 수 있다. 전자 장치(801)에서 실행될 동작의 전부 또는 일부는 외부 전자 장치(802, 804, 808) 중 하나 이상에서 실행될 수 있다. 예를 들어, 전자 장치(801)가 자동으로 또는 사용자 또는 다른 장치의 요청에 따라, 기능 또는 서비스를 수행해야 하는 경우, 전자 장치(801)는 기능 또는 서비스를 실행하는 대신에, 또는 그에 추가하여, 하나 이상의 외부 전자 장치에 기능 또는 서비스의 적어도 일부를 수행하도록 요청할 수 있다. 요청을 수신한 하나 이상의 외부 전자 장치는 요청된 기능 또는 서비스의 적어도 일부, 또는 요청과 관련된 추가 기능 또는 추가 서비스를 수행할 수 있으며, 수행의 결과를 전자 장치(801)로 전달한다. 전자 장치(801)는 결과를, 요청에 대한 응답의 적어도 일부로서, 결과의 추가 처리를 포함하거나 포함하지 않고 제공할 수 있다. 이를 위해, 예를 들어 클라우드 컴퓨팅, 분산 컴퓨팅 또는 클라이언트-서버 컴퓨팅 기술이 사용될 수 있다.
도 9는 본 개시의 일부 실시예에 따라 UE의 물리적 요인에 기초하여 UE 구성을 조정하는 방법의 예시적인 동작을 도시하는 흐름도이다.
도 9을 참조하면, UE(105)에서 물리적 인자에 기초하여 UE 구성을 조정하는 방법(900)은 다음 동작들 중 하나 이상을 포함할 수 있다. UE(105)의 신경망 회로(130)(도 1b 참조)는 UE(105)와의 물리적 상호작용과 관련된 하나 이상의 입력을 수신할 수 있다(동작 901). 하나 이상의 입력은 (i) UE(105)의 반사 계수와 연관된 제1 입력 값; (ii) UE(105)와 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값; 및 (iii) UE(105)와 신호를 송신 또는 수신하기 위한 반송파 주파수와 관련된 제3 입력 값 중 적어도 하나를 포함할 수 있다(동작 901). 신경망 회로(130)는 물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 UE(105)의 안테나 임피던스 및 안테나 애퍼츄어(또는 주파수) 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력할 수 있다(동작 902). 신경망 회로(130)는 하나 이상의 출력 값을 UE(105)의 튜너 회로(132)로 전송할 수 있다(동작 903). 튜너 회로(132)는 하나 이상의 출력 값에 기초하여 UE(105)의 임피던스 튜너 회로(134) 및 애퍼츄어 튜너 회로(136) 중 적어도 하나를 조정할 수 있다(동작 904).
UE(105)에서 물리적 인자에 기초하여 UE 구성을 조정하는 방법(900)은 도 8의 전자 장치(801)의 하나 이상의 컴포넌트에서 수행될 수 있다. 예를 들어, 도 8의 프로세서(820) 및 메모리(830)에 대응하는 소프트웨어 구성요소 및 하드웨어 구성요소의 조합을 이용하여 하나 이상의 동작이 수행될 수 있다.
본 명세서에 기술된 주제 및 동작의 실시 예는 본 명세서에서 개시된 구조 및 이들의 구조적 등가물, 또는 이들 중 하나 이상의 조합을 포함하여, 디지털 전자 회로, 또는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현될 수 있다. 본 명세서에서 설명하는 주제의 실시 예는 하나 이상의 컴퓨터 프로그램, 즉, 데이터 처리 장치에 의해 실행되거나 데이터 처리 장치의 작동을 제어하기 위해 컴퓨터 저장 매체에 인코딩된 컴퓨터 프로그램 명령어의 하나 이상의 모듈로서 구현될 수 있다. 대안으로 또는 추가적으로, 프로그램 명령어는 인위적으로 생성된 전파 신호, 예를 들어 기계 생성 전기, 광학 또는 전자기 신호에 인코딩될 수 있으며, 이는 데이터 처리 장치에 의한 실행을 위해 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하도록 생성된다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 저장 장치, 컴퓨터 판독 가능 저장 기판, 랜덤 또는 직렬 액세스 메모리 어레이 또는 장치, 또는 이들의 조합일 수 있거나 이에 포함될 수 있다. 또한, 컴퓨터 저장 매체는 전파 신호가 아니지만, 컴퓨터 저장 매체는 인위적으로 생성된 전파 신호로 인코딩된 컴퓨터 프로그램 명령어의 소스 또는 목적지일 수 있다. 컴퓨터 저장 매체는 하나 이상의 별도의 물리적 구성 요소 또는 매체(예를 들어, 여러 CD, 디스크 또는 기타 저장 장치)이거나 이에 포함될 수 있다. 또한, 본 명세서에서 설명하는 동작은 하나 이상의 컴퓨터 판독 가능 저장 장치에 저장되거나 다른 소스로부터 수신된 데이터에 대해 데이터 처리 장치에 의해 수행되는 동작으로 구현될 수 있다.
본 명세서는 많은 특정 구현 세부사항을 포함할 수 있지만, 구현 세부 사항은 청구된 주제의 범위에 대한 제한으로 해석되어서는 안 되며, 오히려 특정 실시 예에 특정한 특징에 대한 설명으로 해석되어야 한다. 별도의 실시 예의 맥락에서 본 명세서에 설명된 특정 특징은 또한 단일 실시 예에서 조합하여 구현될 수 있다. 역으로, 단일 실시 예의 맥락에서 설명된 다양한 특징이 또한 다수의 실시 예에서 개별적으로 또는 임의의 적절한 하위 조합으로 구현될 수 있다. 더구나, 기능이 특정 조합으로 작용하는 것으로 설명되고 초기에 이와 같이 청구될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징은 경우에 따라 이 조합에서 배제될 수 있고, 청구된 조합은 하위 조합 또는 하위 조합의 변형에 관한 것일 수 있다.
유사하게, 동작이 특정 순서로 도면에 도시되어 있지만, 이것은 이러한 동작이 바람직한 결과를 달성하기 위해서 도시된 특정 순서로 또는 순차적인 순서로 수행되거나, 예시된 모든 동작이이 수행되는 것을 요구하는 것으로 이해되어서는 안 된다. 특정 상황에서, 멀티태스킹 및 병렬 처리가 유리할 수 있다. 또한, 상술된 실시 예에서 다양한 시스템 구성요소의 분리는 모든 실시 예에서 그러한 분리를 요구하는 것으로 이해되어서는 안되며, 설명된 프로그램 구성 요소 및 시스템은 일반적으로 단일 소프트웨어 제품에 함께 통합되거나 여러 소프트웨어 제품으로 패키지화될 수 있음을 이해해야 한다.
따라서, 본 주제의 특정 실시 예가 본 명세서에 기술되었다. 다른 실시 예는 다음 청구 범위 내에 있다. 경우에 따라, 청구범위에 명시된 조치가 다른 순서로 수행되어도 원하는 결과를 얻을 수 있다. 추가적으로, 첨부된 도면에 도시된 프로세스는 원하는 결과를 얻기 위해서, 표시된 특정 순서 또는 순차적인 순서를 반드시 요구하지 않는다. 특정 구현에서, 멀티태스킹 및 병렬 처리가 바람직할 수 있다.
당업자가 인식하는 바와 같이, 본 명세서에서 설명된 혁신적인 개념은 광범위한 애플리케이션에 걸쳐 수정 및 변경될 수 있다. 따라서, 청구된 주제의 범위는 상술된 특정한 예시적인 교시에 제한되어서는 안되고, 대신 다음 청구범위에 의해 정의되어야 한다.

Claims (20)

  1. 사용자 장치(UE) 구성을 상기 사용자 장치에서의 물리적 요인에 기초하여 조정하는 방법으로,
    상기 UE의 신경망 회로에 의해, 상기 UE와의 물리적 상호 작용과 관련된 하나 이상의 입력을 수신하는 단계로, 상기 하나 이상의 입력은,
    상기 UE의 반사 계수와 연관된 제1 입력 값;
    상기 UE와 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값; 및
    상기 UE와 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값을 포함하는 단계;
    상기 신경망 회로에 의해, 상기 물리적 상호작용의 사용 사례(use case)를 검출하는 것과 관련되거나 상기 UE의 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하는 단계; 및
    상기 하나 이상의 출력 값에 기초하여 상기 UE의 임피던스 튜너 회로 및 애퍼츄어 튜너 회로 중 적어도 하나를 조정하는 단계를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함하는, 방법.
  3. 제1항에 있어서,
    상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함하는, 방법.
  4. 제3항에 있어서,
    상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성되는, 방법.
  5. 제4항에 있어서,
    상기 회귀 신경망은 상기 UE의 상기 튜너 모델만을 위한 모델로 역할하도록 구성되는, 방법.
  6. 제1항에 있어서,
    상기 하나 이상의 출력값을 출력하는 단계는 전압 정재파 비(VSWR; Voltage Standing Wave Ratio))에 기초하는 튜너 코드를 출력하는 단계를 포함하는, 방법.
  7. 제1항에 있어서,
    상기 하나 이상의 출력 값을 출력하는 단계는 상대적 변환 이득(RTG; Relative Transducer Gain)에 기초하는 튜너 코드를 출력하는 단계를 포함하는, 방법.
  8. 제1항에 있어서,
    상기 하나 이상의 출력 값을 출력하는 단계는, 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 단계를 포함하는, 방법.
  9. 사용자 장치(UE)의 구성을 상기 사용자 장치에서의 물리적 요인에 기초하여 조정하기 위한 사용자 장치(UE)에 있어서, 상기 UE는,
    안테나 임피던스 및 안테나 애퍼츄어를 갖는 안테나;
    상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하도록 구성된 튜너 회로; 및
    신경망 회로를 포함하되,
    상기 신경망 회로는,
    상기 UE와의 물리적 상호작용과 관련된 하나 이상의 입력을 수신하되, 상기 하나 이상의 입력은, 상기 안테나 임피던스와 관련된 제1 입력 값과, 상기 안테나로 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값과, 상기 안테나로 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값 중 적어도 하나를 포함하고,
    물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하고,
    상기 하나 이상의 출력 값을 상기 튜너 회로로 전송하도록 구성되는, UE.
  10. 제9항에 있어서,
    상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함하는, UE.
  11. 제9항에 있어서,
    상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함하는, UE.
  12. 제11항에 있어서,
    상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성되는, UE.
  13. 제12항에 있어서,
    상기 회귀 신경망은 상기 UE의 상기 튜너 모델만을 위한 모델로 역할하도록 구성되는, UE.
  14. 제9항에 있어서,
    상기 하나 이상의 출력값을 출력하는 단계는 전압 정재파 비(VSWR)에 기초하거나 상대 변환기 이득(RTG)에 기초하여 튜너 코드를 출력하는 단계를 포함하는, UE.
  15. 제9항에 있어서,
    상기 신경망 회로는 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 것에 기초하여 상기 하나 이상의 출력 값을 출력하도록 구성되는, UE.
  16. 사용자 장치(UE) 구성을 상기 사용자 장치에서의 물리적 요인에 기초하여 조정하기 위한 시스템으로,
    상기 시스템은, 네트워크 노드와 통신 가능하게 연결되도록 구성된 상기 UE를 포함하고,
    상기 UE는 안테나와, 안테나 임피던스 및 안테나 애퍼츄어 중 적어도 하나를 조정하도록 구성된 튜너 회로와, 신경망 회로를 포함하고,
    상기 신경망 회로는,
    상기 UE와의 물리적 상호작용과 관련된 하나 이상의 입력을 수신하되, 상기 하나 이상의 입력은, 상기 안테나 임피던스와 관련된 제1 입력 값과, 상기 안테나로 신호를 송신 또는 수신하기 위한 주파수 대역과 연관된 제2 입력 값과, 상기 안테나로 상기 신호를 송신 또는 수신하기 위한 반송파 주파수와 연관된 제3 입력 값 중 적어도 하나를 포함하고,
    물리적 상호작용의 사용 사례를 검출하는 것과 관련되거나 상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하는 것과 관련된 하나 이상의 출력 값을 출력하고,
    상기 안테나 임피던스 및 상기 안테나 애퍼츄어 중 적어도 하나를 조정하도록 상기 하나 이상의 출력 값을 상기 튜너 회로로 전송하도록 구성되고,
    상기 UE는, 조정된 안테나 임피던스 및 조정된 안테나 애퍼츄어 중 적어도 하나에 기초하여, 상기 안테나를 통해 상기 네트워크 노드에 신호를 전송하도록 구성되는, 시스템.
  17. 제16항에 있어서,
    상기 제2 입력 값은 상기 UE와 상기 신호를 송신 또는 수신하기 위한 2개의 주파수 대역을 상관시키는 상관 계수를 포함하는, 시스템.
  18. 제16항에 있어서,
    상기 신경망 회로는 바이패스 반사 계수 및 튜너 코드를 포함하는 하나 이상의 입력 값에 기초하여, 타겟 튜너 코드에 대응하는 반사 계수를 출력하도록 구성된 회귀 신경망을 포함하는, 시스템.
  19. 제18항에 있어서,
    상기 회귀 신경망은 상기 UE의 안테나 모델, 튜너 모델 및 무선 주파수 인쇄 회로 기판(RF PCB) 모델과 관련된 전달 함수에 대한 모델로 역할하도록 구성되는, 시스템.
  20. 제16항에 있어서,
    상기 신경망 회로는 분류 신경망의 입력에 결합된 출력을 갖는 회귀 신경망을 포함하는 캐스케이드 시스템에 기초하여 사용 사례를 결정하는 것에 기초하여 상기 하나 이상의 출력 값을 출력하도록 구성되는, 시스템.
KR1020230085796A 2022-09-02 2023-07-03 사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템 KR20240032623A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202263403605P 2022-09-02 2022-09-02
US63/403,605 2022-09-02
US18/180,712 2023-03-08
US18/180,712 US20240080055A1 (en) 2022-09-02 2023-03-08 Antenna impedance and frequency tuning using physical-interaction detection aided by machine learning

Publications (1)

Publication Number Publication Date
KR20240032623A true KR20240032623A (ko) 2024-03-12

Family

ID=89905388

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230085796A KR20240032623A (ko) 2022-09-02 2023-07-03 사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템

Country Status (4)

Country Link
US (1) US20240080055A1 (ko)
KR (1) KR20240032623A (ko)
DE (1) DE102023116222A1 (ko)
TW (1) TW202412478A (ko)

Also Published As

Publication number Publication date
TW202412478A (zh) 2024-03-16
DE102023116222A1 (de) 2024-03-07
US20240080055A1 (en) 2024-03-07

Similar Documents

Publication Publication Date Title
CN110162799B (zh) 模型训练方法、机器翻译方法以及相关装置和设备
US11895788B2 (en) Electronic device and method for increasing antenna efficiency
US10241684B2 (en) System and method for higher order long short-term memory (LSTM) network
CN102640168B (zh) 用于基于局部二进制模式的面部特征定位的方法和设备
CN111698006B (zh) 使用神经网络的多输入多输出(mimo)检测器选择
CN113676226A (zh) 导频信息符号发送方法、信道估计方法及通信设备
CN114969844A (zh) 不可克隆单元阵列中不稳定单元的检测和减轻
KR20200061808A (ko) 인공신경망 기반의 수신 빔 선택 방법 및 장치
US11881052B2 (en) Face search method and apparatus
KR20240032623A (ko) 사용자 장치 구성을 사용자 장치의 물리적 요인에 기초하여 조정하기 위한 방법 및 시스템
KR20210124022A (ko) 각도 부족 채널 복구 방법 및 시스템
WO2024027246A1 (zh) 声音信号处理方法、装置、电子设备和存储介质
KR20220023160A (ko) 안테나를 포함하는 전자 장치 및 상기 전자 장치의 전력 백 오프 제어 방법
CN117650800A (zh) 用户设备、调节用户设备配置的方法和系统
US20240046065A1 (en) System, devices and/or processes for defining a search space for neural network processing device architectures
CN116702858A (zh) 一种模型处理方法、电子设备及介质
KR20220043534A (ko) 컨텐츠 추천 서비스를 제공하는 전자 장치 및 그 방법
US20220397463A1 (en) Apparatus and method for implementing virtual sensor in electronic device
KR20210144510A (ko) 뉴럴 네트워크를 이용하는 데이터 처리 방법 및 데이터 처리 장치
US20240070455A1 (en) Systems and methods for neural architecture search
US20230050735A1 (en) Electronic device for controlling surface heat and method of operating the electronic device
US20240135750A1 (en) Initializer for circle distribution for image and video compression and posture detection
CN117589427B (zh) 一种车载倒装led测试方法
US20240106488A1 (en) Electronic device for matching antenna impedance, and operation method for same
US20230403658A1 (en) Electronic device for adjusting parameter for driving of grip sensor and method thereof